背景与目标
随着 GitHub Trending 榜单更新频率加快,手动浏览面临信息过载挑战。英文 README 阅读成本高,且难以快速判断项目对实际业务的价值。为此,设计并实现了一个自动化分析 Agent,旨在替代人工筛选,提供深度解读与业务建议。
核心功能
深度语义分析
不同于简单的机器翻译,该 Agent 通过特定 Prompt 工程,让大模型阅读源码文档后生成中文总结。内容包括一句话概述、解决的核心痛点,以及基于项目的'举一反三'建议,例如识别到爬虫库时提示可构建比价助手。
消息推送
支持将分析报告以卡片形式推送到飞书或钉钉群机器人,排版清晰,便于团队共享。
零服务器成本
依托 GitHub Actions 的免费计算资源执行定时任务,无需维护独立 VPS。
技术架构
系统采用解耦设计,主要模块如下:
- 数据采集:使用
requests配合BeautifulSoup抓取 GitHub Trending 榜单。 - 素材获取:调用 GitHub API 获取项目
README.md原始内容,并进行清洗。 - 智能分析:接入 DeepSeek 或 OpenAI API,利用 Prompt Engineering 输出结构化 JSON 数据。
- 通知服务:通过 Webhook 对接 IM 机器人。
- 任务调度:利用
.github/workflows配置 Cron 表达式实现定时触发。
核心逻辑流程如下:
def main():
# 1. 获取当日热门项目列表
projects = get_trending()
for p in projects:
# 2. 拉取项目文档
readme = get_readme(p.name)
# 3. AI 深度分析(核心环节)
report = ai_analyze(readme)
# 4. 发送通知
send_to_im(report)
部署指南
1. Fork 仓库
访问项目仓库页面,点击右上角 Fork 按钮复制代码。
2. 准备密钥
需要以下两项配置:
- LLM API Key:推荐使用 DeepSeek 或 OpenAI。
- Webhook 地址:在飞书或钉钉群设置中创建机器人并获取链接。
3. 配置环境变量
进入仓库 Settings -> Secrets and variables -> Actions,添加以下变量:
LLM_API_KEY:填入 API KeyLLM_BASE_URL:填入模型地址NOTIFIER_WEBHOOK:填入机器人 Webhook 地址
4. 运行测试
配置完成后,前往 Actions 页面手动触发一次 Workflow,验证是否能收到第一份分析报告。


